基于遺傳網絡的分類規(guī)則挖掘在入侵檢測系統(tǒng)中的應用.pdf

1、隨著Internet的飛速發(fā)展,計算機網絡安全成為了一個全球性的熱點課題。計算機網絡是全世界的重要信息基礎設施,每年因為計算機網絡的安全性遭到破壞而造成的損失都十分巨大。網絡安全問題受到了全球的普遍關注。網絡入侵檢測系統(tǒng)(Network Intrusion Detection System, NIDS)作為一種主動的信息安全保障措施,有效地彌補了訪問控制、防火墻等傳統(tǒng)安全保護技術的缺陷,能有效地檢測到入侵企圖和入侵行為,越來越受到產業(yè)界

2、和學術界的關注。作為NIDS的研究,其重點與難點就在于：(1)如何對大規(guī)模的網絡數據進行處理；(2)如何降低對已知攻擊的誤報率和漏報率；(3)如何提高對未知新攻擊的檢測率。對于NIDS,有著許多不同的研究方法,其中包括智能IDS,例如神經網絡、遺傳算法、代理技術、免疫系統(tǒng)、數據挖掘等。本研究將提出一種基于遺傳網絡編程(Genetic Network Programming,GNP)的分類關聯規(guī)則挖掘方法,并探究這一方法在網絡入侵檢測系統(tǒng)

3、中的應用。研究內容主要基于NIDS本身的難點的問題,具體的研究工作體現在：(1)利用有效的方法來處理大規(guī)模的網絡數據,其中包括子屬性效用、連續(xù)性數據的模糊化等方法；(2)針對已知攻擊與未知攻擊分別提出了分類關聯規(guī)則挖掘算法及其相應的分類算法；(3)針對有效降低誤報率和漏報率這兩項重要指標,提出了可行的算法。基于上述算法,本文還進一步探究了NIDS系統(tǒng)的效率提高問題,主要包括利用子屬性頻率機制的特征選取以及模糊分類關聯規(guī)則挖掘算法的比較與